摘要：以兆瓦级风力机塔架和叶片极限载荷的概率外推模型为基础,结合载荷动态响应峰值的独立同分布假设和三参数威布尔模型,外推获取了正常湍流和极端湍流强度条件下风力机关键部件长期服役载荷概率分布;进一步通过无量纲极值统计量定义系统失效的结构可靠性状态函数,结合样本分数阶矩和最大熵理论提出兆瓦级风力机关键部件结构可靠性分析的数值方法,对比湍流模型对兆瓦级风力机关键部件结构失效概率的影响。计算结果表明:样本分数阶矩最大熵方法能有效重构结构可靠性状态函数的概率分布;基于无量纲极值统计量的系统可靠性建模方法能有效表征风力机关键部件耦合相关失效问题,结合该文方法可获得系统失效概率的准确预测结果;湍流模型对风力机结构失效概率影响较大,难以预先判定何种模型将得到结构失效概率的保守预估结果,需结合IEC 61400-1标准中的设计载荷工况细致分析后才能确定。

摘要：CLLC谐振变换器具有双向功率传输、自然软开关、宽范围电压输出等优势,但轻载运行时,存在输出电压失调和传输效率降低等问题。文章基于多谐波阻抗模型,对CLLC谐振变换器的多移相控制进行分析,设计适用于轻载运行的双移相控制,有效解决轻载输出电压失调问题,提升轻载功率传输效率。首先,建立CLLC变换器的多谐波阻抗模型,求解多移相控制下的轻载输出电压增益与谐振电流有效值;然后,分析不同移相角对输出电压值和谐振电流值的影响,并据此设计双移相控制,实现可靠的轻载电压增益调节,同时降低轻载运行的损耗;最后,搭建一台21.5V/400V,200W的全桥CLLC谐振变换器实验样机,实验结果证明所提多谐波阻抗模型的正确性和轻载运行下双移相控制的有效性。

摘要：远洋海岛的和平开发与利用在我国的海洋战略中占有极其重要的地位。对于远洋海岛中需要通过船运对负荷中心岛进行能量支援的资源富集岛而言,其离岸可再生能源消纳设备(renewable energy absorption facility,REAF)的高效运行至关重要。针对此问题,该文设计兼顾蓄–氢–冷多能源形式的制氢装置,有效提升了REAF系统能源吸收效率;同时,基于快速决策树剪枝算法及强化学习式蒙特卡洛算法设计包含蓄–氢–冷的REAF系统的综合调度策略。仿真算例表明,该文提出的决策树快速剪枝算法及改进强化学习式蒙特卡洛算法能够有效提升REAF系统调度策略的能源消纳能力。最后探讨进一步提升基于这2种算法的REAF系统调度策略性能的路径。

摘要：腐蚀影响海上风电机组动态响应特性,为评估和预测多腐蚀期龄海上风电机组动态力学行为及疲劳寿命,基于Lagrange方程以及均匀腐蚀模型,建立腐蚀-浮式风电机组参数模型,采用数值分析方法分析多腐蚀期龄海上风电机组动态响应特征。结果表明,随着腐蚀期龄的逐渐累积,塔筒弯曲频率响应幅值成为影响塔顶位移运动的主要因素,塔基弯曲应力呈指数型增长,塔筒疲劳寿命将急剧降低。

摘要：柔性驱动器因其固有的柔顺特性,能够实现机器人与人之间的安全交互,且具有较强的环境适应能力。为满足外骨骼机器人对关节柔性及变刚度特性的要求,设计了一种具有可重构性的变刚度柔性驱动器,可通过改变弹性元件的几何参数、材料和数量来实现重构,通过径向调节预紧力来实现可调范围内的变刚度。首先,运用零长度机架四杆机构的传动原理,建立了变刚度柔性驱动器的刚度数学模型,分析了柔性分支数和弹性元件刚度、预紧力对驱动器输出扭矩和刚度的影响规律。然后,建立了驱动器的ADAMS虚拟样机模型,并开展静力学性能仿真分析,验证了刚度数学模型的正确性。最后,建立了驱动器的动力学模型,通过Laplace变换得到了动力学系统的传递函数。频率特性分析结果表明,该柔性驱动器的稳定性良好。所设计的柔性驱动器体积小且质量小,能够在可穿戴外骨骼机器人驱动机构中应用。研究结果为机器人柔性驱动关节的设计提供了理论和技术参考。

摘要：光伏逆变器是太阳能光伏发电系统的核心部件之一。为了提高太阳辐射能的利用效率,降低光伏发电的成本,高效率的光伏逆变器拓扑已成为近年来的研究热点。中点钳位型(NPC)三电平电路拓扑由于具有开关损耗小、电磁干扰(EMI)小、光伏阵列对地杂散电容上无共模漏电流、所需滤波电感小等优点,非常适用于单相光伏逆变器。本文对三种典型的三电平NPC拓扑(二极管NPC、有源NPC(ANPC)和Conergy NPC)进行了全面深入的比较分析,包括调制原理、功率损耗分布、器件成本和性能特点,并通过实验测试了三种拓扑的效率。研究结果表明:①Conergy NPC的效率在三种拓扑中最高,且所用器件数最少;②有源NPC的功率损耗分布可以灵活调节,有利于大功率应用场合的散热设计,但其控制比较复杂,且器件成本在三种拓扑中最高;③二极管NPC拓扑的功率损耗分布不易调节,不利于大功率应用场合的散热设计。

摘要：网络聚类广泛应用于现实世界的各个领域,受到了越来越多的关注.由于保留了节点和链接关系的异质性,异质信息网络聚类相较于同质网络聚类具有更优的性能.然而,现有基于图神经网络的异质信息网络聚类忽略了节点属性以及拓扑结构对聚类的权重不同的问题.此外,这些方法仅对单一类型的目标节点聚类,而没有考虑其余类型节点的辅助作用.为此,提出了面向异质信息网络的双通道协同聚类算法(B3C),其能够有效地融合节点属性和拓扑结构,并挖掘异质节点间的潜在相关性,从而提高聚类性能.首先,设计了一个简单有效的双通道编码器以聚合拓扑结构及相似矩阵的邻域信息;接着,应用自训练聚类的同时学习异质信息网络表示以及优化聚类分配,并采用协同聚类机制,以对不同类型节点同时聚类;最后,利用三元中心损失(Triplet-Center Loss)学习具有区分度的节点表示,以凝聚相似节点,分离不相似节点.在公开数据集上进行了大量实验,验证了本文提出的双通道编码器性能相较于广泛使用的图神经网络编码器有显著提升,并且B3C精度优于现有的基于学习的异质信息网络聚类方法.

摘要：随着风电渗透率的日益提高,如何有效地描述风电出力的不确定性成为了配电网运行和规划所面临的巨大挑战,为此,提出一种基于隐式最大似然估计的风电出力场景生成方法。针对风电出力曲线的数据特征,设计适用于风电出力场景生成的损失函数和网络结构。通过无监督训练使得场景生成器能够学习到高斯噪声与风电出力场景之间的映射关系。仅需调节模型中相关的参数,采用所提方法就能够生成不同时间尺度的风电出力场景。仿真结果表明,所提方法的预测区间平均宽度和预测区间覆盖率均优于现有的生成对抗网络,且所提方法对于不同的风电场具有一定的普适性。

摘要：以光伏和风电为代表的可再生能源具有很强的间歇性和波动性,会给配电网的运行和优化带来巨大的挑战。为表征光伏和风电输出功率的不确定性,提出了基于像素卷积生成网络(pixel convolutional generative network,PCGN)的可再生能源随机场景生成方法。该方法通过链式法则将可光伏和风电出力曲线的联合分布因子化成多个1维分布的乘积,利用先前生成的输出功率来预测下一个功率值,从而实现可再生能源出力曲线的逐点生成。根据光伏和风电出力曲线的高维数据特征,设计了适用于可再生能源随机场景生成的网络结构,并通过实际运行数据验证了所提方法的有效性和适应性。仿真结果表明,所提的PCGN不仅可以准确地捕获光伏和风电出力曲线的形状特征、波动性、概率分布以及时空相关性,还具有较强的适应性,通过微调生成网络的结构和参数,就能用于不同可再生能源的随机场景生成任务。

摘要：服务化是制造业企业转型升级的重要方式。本文选取杭州杭氧股份有限公司作为中国制造业服务化的范式案例进行研究,以价值链活动为分析单元,对比分析杭氧不同产品服务系统所对应的不同价值链。研究发现:制造企业的服务化战略应结合实际情况选择不同模式,形成合理的产品服务系统组合。制造企业应针对各自的服务化战略设计相应的价值链,当采用的产品服务系统组合存在多种模式时,可共享部分价值链环节以提高资源利用率。在价值链设计上,应优先关注接近客户的价值链环节,通常距离客户较近的价值链环节需要更多定制化,而距离客户较远的价值链环节可以更方便地跨产品服务系统进行共享。企业在服务化转型过程中,需要随着产品服务系统组合的演进逐步进行价值链的重构,以实现产品服务系统的持续改善。本文基于杭氧案例所总结的产品服务系统价值链设计与重构规律,对我国制造企业实施服务化转型具有参考价值。